使用pytorch创建神经网络拟合sin函数的实现_pytorch拟合三角函数

120 浏览量更新于2023-05-11 评论收藏 92KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

使用使用 pytorch 创建神经网络拟合创建神经网络拟合sin函数的实现函数的实现

主要介绍了使用 pytorch 创建神经网络拟合sin函数的实现，文中通过示例代码介绍的非常详细，对大家的学习

或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

我们知道深度神经网络的本质是输入端数据和输出端数据的一种高维非线性拟合，如何更好的理解它，下面尝试拟合一个正弦

函数，本文可以通过简单设置节点数，实现任意隐藏层数的拟合。

基于pytorch的深度神经网络实战，无论任务多么复杂，都可以将其拆分成必要的几个模块来进行理解。

1）构建数据集，包括输入，对应的标签y

2) 构建神经网络模型，一般基于nn.Module继承一个net类，必须的是__init__函数和forward函数。__init__构造函数包括创建

该类是必须的参数，比如输入节点数，隐藏层节点数，输出节点数。forward函数则定义了整个网络的前向传播过程，类似于

一个Sequential。

3）实例化上步创建的类。

4）定义损失函数（判别准则），比如均方误差，交叉熵等

5）定义优化器（optim：SGD,adam,adadelta等），设置学习率

6）开始训练。开始训练是一个从0到设定的epoch的循环，循环期间，根据loss,不断迭代和更新网络权重参数。

无论多么复杂的网络，基于pytorch的深度神经网络都包括6个模块，训练阶段包括5个步骤，本文只通过拟合一个正弦函数来

说明加深理解。

废话少说，直接上代码：

from torch.utils.data import DataLoader

from torch.utils.data import TensorDataset

import torch.nn as nn

import numpy as np

import torch

# 准备数据

x=np.linspace(-2*np.pi,2*np.pi,400)

y=np.sin(x)

# 将数据做成数据集的模样

X=np.expand_dims(x,axis=1)

Y=y.reshape(400,-1)

# 使用批训练方式

dataset=TensorDataset(torch.tensor(X,dtype=torch.float),torch.tensor(Y,dtype=torch.float))

dataloader=DataLoader(dataset,batch_size=100,shuffle=True)

# 神经网络主要结构，这里就是一个简单的线性结构

class Net(nn.Module):

def __init__(self):

super(Net, self).__init__()

self.net=nn.Sequential(

nn.Linear(in_features=1,out_features=10),nn.ReLU(),

nn.Linear(10,100),nn.ReLU(),

nn.Linear(100,10),nn.ReLU(),

nn.Linear(10,1)

)

def forward(self, input:torch.FloatTensor):

return self.net(input)

net=Net()

# 定义优化器和损失函数

optim=torch.optim.Adam(Net.parameters(net),lr=0.001)

Loss=nn.MSELoss()

# 下面开始训练：

# 一共训练 1000次

for epoch in range(1000):

loss=None

for batch_x,batch_y in dataloader:

y_predict=net(batch_x)

loss=Loss(y_predict,batch_y)

optim.zero_grad()

loss.backward()

optim.step()

# 每100次的时候打印一次日志

if (epoch+1)%100==0:

print("step: {0} , loss: {1}".format(epoch+1,loss.item()))

# 使用训练好的模型进行预测

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38684976

粉丝: 4
资源: 950

会员权益专享

使用 pytorch 创建神经网络拟合sin函数的实现

评论0

会员权益专享

最新资源

使用 pytorch 创建神经网络拟合sin函数的实现

评论0

Python-HiddenLayer面向PyTorchTensorflow的神经网络图和训练度量的轻量库

Python-用pytorch预训练的神经网络

pytorch-神经网络拟合曲线实例

python正弦函数拟合_使用 pytorch 创建神经网络拟合sin函数的实现

神经网络拟合sin函数并画出loss图

pytorch 神经网络拟合sinx

pytorch用dnn拟合积分函数

BP神经网络拟合正弦函数代码

基于pytorch的函数拟合，用relu函数拟合正弦曲线的代码

写一个pytorch拟合一段非线性函数的程序

lstm拟合三角函数

python、已知二输入，一输出的数据用神经网络拟合曲面算法代码

LM算法的pytorch实现

mlp神经网络画sinx

给定 10个点，用 pytorch 把他们拟合成一条曲线

pytorch pinn求解满足区域[0,4]×[0,4],连续初始条件为u0(x) = 0.5+sin(π(x+y)/2)的二维无黏 Burgers 方程的代码

深度学习入门-Pytorch框架前馈神经网络拟合y=sinx+exp(-x)

Pytorch实现神经网络的分类方式

使用 pytorch 创建神经网络拟合sin函数

基于python的BP神经网络及异或实现过程解析

会员权益专享

最新资源